머신 러닝 모델 개요

Python으로 Machine Learning을 활용한 CTR 예측

Kevin Huo

Instructor

로지스틱 회귀

빨간색과 파란색 점으로 본 로지스틱 회귀 예시

  • 로지스틱 회귀: 종속변수와 독립변수 간의 선형 분류기
Python으로 Machine Learning을 활용한 CTR 예측

모델 학습

  • 모델 생성: clf = LogisticRegression()
  • 각 분류기는 fit() 메서드로 X_train, y_train을 학습함: clf.fit(X_train, y_train)
  • X_train은 학습 특성 벡터, y_train은 학습 타깃 벡터
  • 정답 노출을 피하기 위해 분류기는 학습 데이터만 봐야 함
Python으로 Machine Learning을 활용한 CTR 예측

모델 테스트

  • 각 분류기는 predict() 메서드로 X_test를 입력받아 y_test를 생성함:
    array([0, 1, 1, ..., 1, 0, 1])
  • predict_proba()는 확률 점수를 반환함
    array([0.2, 0.8], [0.4, 0.6] ..., [0.1, 0.9] [0.3, 0.7]])
  • 점수는 특정 사용자가 특정 광고를 클릭할 확률을 의미함
Python으로 Machine Learning을 활용한 CTR 예측

모델 평가

  • 정확도: 올바르게 예측한 테스트 타깃의 비율
  • accuracy_score(y_test, y_pred)
  • 특히 불균형 데이터셋에서는 유일한 평가 지표로 쓰지 말 것
  • CTR 예측은 클래스 불균형의 예시
Python으로 Machine Learning을 활용한 CTR 예측

연습해 봅시다!

Python으로 Machine Learning을 활용한 CTR 예측

Preparing Video For Download...